基于数据挖掘的光伏阵列发电功率预测方法研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题研究背景 | 第9-11页 |
| 1.2 课题研究意义 | 第11-12页 |
| 1.3 光伏发电功率预测课题研究现状及待解决问题 | 第12-14页 |
| 1.3.1 预测模型输入变量的选取与约减 | 第12-13页 |
| 1.3.2 光伏发电功率预测方法分类 | 第13页 |
| 1.3.3 常见的光伏发电功率预测方法介绍 | 第13-14页 |
| 1.4 本文的研究方法 | 第14-16页 |
| 第二章 光伏系统的概述 | 第16-27页 |
| 2.1 光伏电池的工作原理与模型 | 第16-23页 |
| 2.1.1 光伏电池的基本工作原理 | 第16-17页 |
| 2.1.2 光伏电池的种类 | 第17页 |
| 2.1.3 光伏电池数学模型与等效电路 | 第17-21页 |
| 2.1.4 光伏电池的I-V特性曲线 | 第21-23页 |
| 2.2 光伏发电系统 | 第23-26页 |
| 2.2.1 光伏发电系统的组成 | 第23-24页 |
| 2.2.2 光伏发电系统的分类 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 光伏发电预测模型的输入变量选择 | 第27-36页 |
| 3.1 光伏发电阵列环境影响因子分析 | 第27-29页 |
| 3.1.1 辐照度 | 第27页 |
| 3.1.2 背板温度 | 第27页 |
| 3.1.3 环境温度 | 第27页 |
| 3.1.4 湿度 | 第27页 |
| 3.1.5 风速 | 第27-28页 |
| 3.1.6 空气质量指数 | 第28-29页 |
| 3.2 海量数据的数据挖掘技术 | 第29-32页 |
| 3.2.1 数据挖掘概述 | 第29-30页 |
| 3.2.2 数据挖掘方法的分类和功能 | 第30-31页 |
| 3.2.3 数据挖掘中常用的技术 | 第31-32页 |
| 3.3 前向选择法 | 第32-34页 |
| 3.3.1 前向选择法的基本原理 | 第32-33页 |
| 3.3.2 前向选择法流程 | 第33-34页 |
| 3.4 基于前向选择的预测模型原始输入变量约减 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 光伏阵列发电功率预测模型设计 | 第36-47页 |
| 4.1 预测模型的总体架构及工作流程 | 第36页 |
| 4.2 不同天气类型下的光伏发电功率情况 | 第36-39页 |
| 4.3 聚类分析 | 第39-41页 |
| 4.3.1 聚类分析的基本概念 | 第39-40页 |
| 4.3.2 聚类分析的基本要求 | 第40-41页 |
| 4.4 基于K-means的天气类型聚类识别 | 第41-43页 |
| 4.4.1 K-means聚类的基本原理 | 第41页 |
| 4.4.2 K-means聚类中K值的确定 | 第41-42页 |
| 4.4.3 K-means聚类的基本流程 | 第42页 |
| 4.4.4 K-means聚类结果 | 第42-43页 |
| 4.5 RBF神经网络预测模型 | 第43-46页 |
| 4.5.1 RBF神经网络的网络结构 | 第43-45页 |
| 4.5.2 RBF预测模型结构 | 第45-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第五章 预测结果与分析 | 第47-51页 |
| 5.1 不同天气条件下的预测结果 | 第47-49页 |
| 5.2 不同方法的预测结果对比 | 第49-50页 |
| 5.3 本章小结 | 第50-51页 |
| 第六章 光伏阵列功率预测监控系统的硬件实现 | 第51-63页 |
| 6.1 监控系统总体结构设计 | 第51-52页 |
| 6.2 数据采集测量模块的实现 | 第52-59页 |
| 6.2.1 电压、电流采集模块 | 第52-55页 |
| 6.2.2 背板和环境温度采集模块 | 第55-57页 |
| 6.2.3 太阳辐照度采集模块 | 第57-59页 |
| 6.3 多机通信模块 | 第59-62页 |
| 6.3.1 RS-485 总线结构 | 第59-60页 |
| 6.3.2 微控制器MSP430的异步串行通信 | 第60-61页 |
| 6.3.3 TTL转485模块 | 第61-62页 |
| 6.4 本章小结 | 第62-63页 |
| 总结与展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 发表论文和参加科研情况说明 | 第69-70页 |
| 致谢 | 第70-71页 |
